10:01官方账号arXiv cs.LG@Shengkun Yang, Luca Ratti, Zhichang Guo该框架针对乘性Gamma噪声和模糊退化图像,采用深度平衡(DEQ)架构。与依赖隐式神经正则化的传统DEQ不同,该方法用表面积和平均曲率构造显式几何正则器。为优化变分模型,开发了适配Gamma噪声保真项的镜像下降算法,并利用o-minimal结构的Kurdyka-Lojasiewicz性质证明迭代全局收敛。在灰度与彩色图像上的实验表明,该方法胜过代表性模型方法,用远少于隐式正则化DEQ的参数达到相当性能。论文图像恢复Gamma噪声DEQ推荐理由:这篇论文用几何先验替代隐式正则,参数更少但效果不输主流DEQ,做图像复原的可以看看。原文稍后读已读值得跟进有用关注 图像恢复
12:06官方账号arXiv cs.AI@Cencen Liu, Wen Yin, Dongyang Zhang, Dongmin Li, Shan Zhao, Bing Su, Tao He, Jielei Wang, Guoming LuDAR-Net 在统一框架中处理去雨、去雾、去模糊等退化,提出退化原型表示模块构造结构化退化状态。语义歧义校正模块生成退化感知提示,空间歧义校正模块将特征约束到正交响应子空间。在三个退化和五个退化设置下,平均 PSNR 比最强对手分别提高 0.14 dB 和 0.34 dB,在 CDD-11 和 WeatherBench 上也表现更好。论文DAR-Net图像恢复全合一推荐理由:这篇论文做了个 DAR-Net,把不同图像退化分开处理,三个和五个退化任务上 PSNR 都超过现有方法,做图像恢复的可以看看。原文稍后读已读值得跟进有用关注 DAR-Net
12:12官方账号arXiv cs.LG@Yuchen Jiao, Na Li, Changxiao Cai, Yuxin Chen, Gen Li本文提出PDDIM算法,利用DDIM类采样器求解线性逆问题。该方法对标准DDIM更新进行轻量坐标调整,并显式融入测量模型,根据观测信噪比与扩散信噪比的比较切换更新策略。理论证明PDDIM收敛到观测条件下的贝叶斯后验。在多个图像恢复任务中,PDDIM在大部分评估指标上超过现有扩散后验采样方法。论文PDDIMDDIM扩散模型推荐理由:这论文提出PDDIM算法,用DDIM采样器解线性逆问题,有理论保证,代码改动小,效果还最好。原文稍后读已读值得跟进有用关注 PDDIM